Systemy ekspertowe
Transkrypt
Systemy ekspertowe
Systemy ekspertowe wykład I Co to jest system ekspertowy Przykłady SE Joanna Kołodziejczyk marzec 2016 Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 1 / 43 Systemy ekspertowe - wprowadzenie Plan wykładu 1 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Schemat systemu ekspertowego 2 Znamienite przykłady 3 Literatura Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 2 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Wstępne informacje o SE Ekspert To człowiek, który posiada specjalistyczne umiejętności, doświadczenie i wiedzę taką, że większość ludzi takowej nie posiada. Nadto potrafi ją sprawnie wykorzystywać stosując sztuczki, skróty i tylko jemu znane furtki. Porady eksperta muszą być w większości przypadków wystarczająco dobre, by podtrzymać statut eksperta, ale nie oczekuje się by były idealne. System ekspertowy (system ekspercki, system z bazą wiedzy) WIKI SE to program lub zestaw programów komputerowych wspomagający korzystanie z wiedzy i ułatwiający podejmowanie decyzji. Systemy ekspertowe mogą wspomagać bądź zastępować ludzkich ekspertów w danej dziedzinie, mogą dostarczać rad, zaleceń i diagnoz dotyczących problemów tej dziedziny. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 3 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Pewien życiowy przykład - naprawa samachodu 1 2 3 4 5 „Polcar—naprawa samochodów” ...Tak, słucham?!... Hmmm, a co się stało kiedy przekręciła Pani kluczyk w stacyjce? Jest Pani pewna, że ma paliwo? Czy przy uruchamianiu rozrusznika czuć zapach paliwa? Na podstawie tego, co Pani powiedziała jestem prawie pewien, że brakuje Pani paliwa. Joanna Kołodziejczyk Jolanta Kowalska Dzień dobry! Moja Fiesta dziś nie daje się uruchomić, natychmiast potrzebuję pomocy. Słyszę, że coś kręci, ale na tym koniec. Hmmm, teraz... nie jestem pewna..., jest mała szansa że zbiornik może być pusty. Próbowałam uruchamiania dość długo, ale niestety nic nie czułam. Dziękuję za radę. (A jak Pan doszedł do tego wniosku?) Systemy ekspertowe marzec 2016 4 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Jakie cechy ma efektywne doradztwo? 1 GOAL — Doradztwo jest zorientowane na cel. Nie dzwonię do mechanika, by uczyć się jak działa samochód, tylko oczekuję konkretnej porady na konkretny temat. 2 Dobry doradca jest skuteczny. Odpowiedzi na pytania eliminują znaczną liczbę możliwych problemów. Zadawane pytania będą istotne dla potwierdzenia lub obalenia pewnej hipotezy. 3 Doradztwo jest adaptacyjne. Jeżeli jedną drogą nie uda się pewnej hipotezy potwierdzić, to może istnieje jakaś inna do niej droga. 4 Konsultant jest w stanie pracować z niepełną informacją. Hipoteza nie musi być w 100% pewna, może być dana z pewnym przekonaniem, to samo dotyczy podawanych przez pytającego informacji. 5 Dobry konsultant jest w stanie wyjaśnić swój tok rozumowania. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 5 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Bardziej formalne formy reprezentacja dialogu Kwestionariusz: Drzewo decyzyjne: Tablica decyzyjna: Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 6 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Systemy ekspertowe a sztuczna inteligencja Systemy ekspertowe stanowią praktyczne zastosowanie sztucznej inteligencji. Są nauką, która rozwija się przez całą historię informatyki. Rozwijają się nowe formy reprezentacji i przechowywania wiedzy i łączenia tego, co wiemy w celu pozyskania nowych wyników i rozwiązywania problemów. Systemy ekspertowe mogą przybierać różne formy. System diagnozy samochodowej stanowi przykład systemu produkcyjnego — nazwanego tak, gdyż produkowane są nowe fakty, gdy dowiedzie się, że reguła pewna jest prawdziwa. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 7 / 43 Systemy ekspertowe - wprowadzenie Prosty przykład doradzania Cechy komputerowegp SE System ekspertowy jest zawsze wysoce specjalizowany. Zastępuje eksperta w bardzo wąskiej dziedzinie. Główne cechy SE: jawna reprezentacja wiedzy i oddzielenie wiedzy eksperckiej od procedur sterowania zdolność do wyjaśnień (ang. explanation facilities), w szczególności sposobu rozwiązania danego problemu system ekspertowy rozwiązuje problemy nie w oparciu o jawnie zapisany algorytm, lecz z wykorzystaniem różnych metod (reguł) wnioskowania systemy ekspertowe wykorzystują w przeważającej mierze przetwarzanie symboli, w mniejszym zaś stopniu obliczenia numeryczne. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 8 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Budowa systemu ekspertowego Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 9 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Sposoby reprezentacji wiedzy (Baza wiedzy) Bazą wiedzy może być zbiór definicji, faktów, pojęć i relacji między nimi. Tworzenie baz wiedzy automatycznie (np. z analizy danych) od człowieka - eksperta w dziedzinie na zasadzie interakcji. Sposoby reprezentacji: reguły (if (PRZESŁANKA) then (KONKLUZJA), przy czym PRZESŁANKA jest wyrażeniem, które zbiera w sobie jeden lub więcej warunków). notacja obiektowa ramy sieci semantyczne Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 10 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Typy wnioskowania (Układ wnioskujący) W przód (Forward chaining), wnioskowanie z danych (przesłanek) Metoda ta zaczyna od zestawu znanych faktów i wartości atrybutów i stosuje je w regułach, które zawierają takie dane w przesłance. Wszystkie odpalone reguły (z prawdziwą przesłanką), tworzą dodatkowe fakty, które są stosowane do odpalenia kolejnych reguł. Proces trwa do czasu, gdy żadne nowe fakty nie są produkowane, lub gdy uzyskana jest wartość celu. Sprawdza się, gdy przed rozpoczęciem wnioskowania i tak gromadzi się zbiór faktów. Wstecz (Backward chaining), wnioskowanie z konkluzji Proces zaczyna się od celu dowiedzenia (hipotezy) i próbuje uzyskać wartości wszystkich przesłanek i atrybutów użytych w części IF reguły, a następnie wstecznie sprawdzać dodatkowe reguły (o ile to konieczne), by otrzymać wartości atrybutów dla uzyskania celu. Metoda lepsza dla baz z regułami o rozbudowanych przesłankach w wieloma regułami, gdyż nie pyta użytkownika o wszystkie wartości atrybutów. http://expertise2go.com/webesie/tutorials/Inference/ Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 11 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Niepewność w systemie Wnioski nie zawsze są konstruowane ze 100% pewnością. Wnioski nie są binarne, więc dodatkowo określa się pewną liczbę do przesłanki/konkluzji (najczęściej rzeczywistą) która mówi, o tym jakie jest przekonanie, że zdanie/fakt jest prawdziwe. Metody wyrażania niepewności: certainty factors (współczynniki pewności) probability (prawdopodobieństwo) fuzzy logic (logika rozmyta) Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 12 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Interfejs użytkownika — dialog Użytkownik w SE prowadzi dialog. Dialog ten ma następujące cechy: Nie trzeba dawać odpowiedzi na każde pytanie. Rozmowa nie jest z góry zaplanowana. Nie ma ustalonego z góry sterowania. Dialog jest syntezowany na podstawie obecnie zgromadzonej wiedzy. Jeżeli zatem nie podana zostanie odpowiedź na pewne pytanie, to będzie to skutkowało kolejnymi zapytaniami. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 13 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Zastosowanie SE finanse (analiza ryzyka kredytowego czy inwestycyjnego, monitorowanie spłat kredytu, ...) medycyna (analiza wyników badań pacjenta, diagnoza choroby, ocena trafności leczenia, ...), kontrola procesów produkcja (planowanie produkcji, kontrola jakości, monitorowanie produkcji, ...) zarządzanie zasobami ludzkimi rolnictwo edukacja prawo (odtwarzanie norm prawnych) administracja (decyzje dotyczące wymiaru emerytur, monitorowanie decyzji urzędników) Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 14 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Zalety Dostarcza spójnej odpowiedzi na powtarzające się pytania, zadania, procesy. Przechowuje i zarządza informacją niezbędną do utrzymania odpowiedniego poziomu „poinformowania”. Zachęca do określenia logiki podejmowania decyzji. Nigdy nie zapomni zadać odpowiedniego pytania. Jest bardziej elastyczny poprzez tworzenie bazy wiedzy, a nie kodu. Bazę łatwiej adaptować do zmian. Obecnie SE stosuje się jako fragmenty dużych systemów (hybrydy), często podpięte do programów związanych z analizą baz danych. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 15 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Wady Niewiadome pochodzenie bazy wiedzy (samozwańczy ekspert) w systemie każe zawsze być ostrożnym i świadomym ograniczeń zawartej wiedzy. Eksperci nie zawsze są w stanie wyjaśnić skąd się wzięła i jak odbywa się logika ich wnioskowania. Łatwość tworzenia reguł może też być wadą. Wprowadzanie nowych „nieeksperckich” reguł może spowodować konflikt z regułami już istniejącymi. W przypadku, gdy pojawiają się sytuacje wyjątkowe SE nie potrafi kreatywnie odpowiedzieć. W przypadku błędów w bazie wiedzy wyciągane wnioski mogą być niepoprawne. Nie potrafi się sam zaadaptować do zmieniającej się rzeczywistości, o ile nie zmieni się baza wiedzy. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 16 / 43 Systemy ekspertowe - wprowadzenie Schemat systemu ekspertowego Klasyfikacja SE interpretacyjne (np. do rozpoznawania mowy czy obrazów) predykcyjne (wnioskują o przyszłości) diagnostyczne (określają wady przedmiotu ekspertyzy) kompletowania (np. ustalanie konfiguracji komputera) planowania (np. planują ruchy robota dla osiągnięcia jakiegoś celu) monitorowania (porównują obserwacje z ograniczeniami) sterowania (kierują zachowaniem systemu) poprawiania (podają sposób postępowania z systemem) naprawy (harmonogram naprawy uszkodzenia) instruowania (np. systemy doskonalenia zawodowego) Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 17 / 43 Znamienite przykłady Plan wykładu 1 Systemy ekspertowe - wprowadzenie 2 Znamienite przykłady MYCIN DENDRAL, MACSYMA i inne 3 Literatura Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 18 / 43 Znamienite przykłady MYCIN MYCIN Powstał w latach 70-tych. Jeden z najbardziej znanych SE. Był to pierwszy udokumentowany system ekspertowy korzystający z niepewnych lub niekompletnych danych (współczynniki pewności). Był projektowany z myślą o tym, aby stać się medycznym narzędziem diagnostycznym. Stał się wzorcem i zbudował podwaliny do SE. EMYCIN (Empty MYCIN) — szkielet rozumowania lekarskiego. Napisany w LISPie. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 19 / 43 Znamienite przykłady MYCIN Przeznaczenie SE MYCIN Wspomaganie lekarzy w identyfikacja choroby i teriapii. Baza wiedzy zawiera informacje (około 500 reguł) na temat różnych infekcji krwi oraz zapalenia opon mózgowo-rdzeniowych. Motywacją do jego utworzenia był długi czas oczekiwania na wyniki laboratoryjne określające bakterie będące przyczyną choroby i przez to zmuszenie lekarza do podejmowania decyzji o leczeniu „w ciemno”. Skutek: źle dobrane antybiotyki w około 50% przypadków. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 20 / 43 Znamienite przykłady MYCIN Działanie — dialog System prowadzi dialog z użytkownikiem, gdzie komputer jest specjalistą z dziedziny. System dysponuje słownikiem zawierającym 800 słów w języku angielskim. Pytania dotyczą danych pacjenta, występujących symptomów choroby i wyników badań laboratoryjnych. Odpowiedzi i pytania powstają przez składanie tekstu z odpowiednich reguł. System ma możliwość korygowania niewielkich błędów w pisowni. Nie trzeba podawać odpowiedzi na wszystkie pytania, np. brak wyników badań pacjenta. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 21 / 43 Znamienite przykłady MYCIN Efekty działania System dokonuje rozpoznania czy pacjent jest chory. Określa, czy choroba jest wywołana przez bakterie i je identyfikuje na podstawie symptomów, wyników laboratoryjnych. W ostatniej fazie tworzy zestaw skutecznych dla choroby lekarstw, by ostatecznie dopasować najskuteczniejszą terapię dla konkretnego pacjenta. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 22 / 43 Znamienite przykłady MYCIN Budowa systemu MYCIN Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 23 / 43 Znamienite przykłady MYCIN Elementy systemu Baza danych stałych Zawiera dane o pacjencie i wynikach badań laboratoryjnych. Wprowadzane na początku dialogu. Mogą być modyfikowane pod koniec dialogu. Baza danych zmiennych Tymczasowo przechowywane odpowiedzi użytkownika udzielane podczas prowadzenia dialogu oraz wnioski pośrednie. Format danych w bazach Fakty reprezentowane są przez trójki: (Atrybut, Obiekt, Wartość), np. (wiek, Kowalski, 50) Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 24 / 43 Znamienite przykłady MYCIN Elementy systemu cd. Baza wiedzy to system regułowy o konstrukcji: if (WARUNEK) then (DZIAŁANIE 1) else (DZIAŁANIE 2). Przykład reguły słownej IF 1) the infection is primary-bacteremia and 2) the site of the culture is one of the sterile site, and 3) the suspected portal of entry of the organism is the gastrointestinal tract THEN there is suggestive evidence (.7) that the identity of the organism is bacteroides. Przykład reguły w formacie MYCIN RULE 050 PREMISE: (AND (SAME CNTXT INFECT PRIMARY-BACTEREMIA) (MEMBF CNTXT SITE STERILESITES) (SAME CNTXT PORTAL GI)) ACTION (CONCLUDE CNTXT IDENT BACTEROIDES TALLY .7) Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 25 / 43 Znamienite przykłady MYCIN Elementy systemu cd. Układ objaśniający Generuje odpowiedzi na pytania użytkownika dotyczące schematu wnioskowania, danych w bazach stałej i zmiennej: WHY, WHAT, HOW. Układ wnioskujący Stosuje się wnioskowanie dedukcyjne, wstecz. Zastosowanie metareguł do ustalania kolejności wykonania reguł eksperckich. Stosowanie procedur MONITOR (uzgadnianie reguł) i FINDOUT (wyszukiwanie danych dla MONITORa). Układ aktualizacji bazy wiedzy Proces tworzenia nowych reguł ma również charakter dialogu. Zbierane są niezbędne dane i tworzona jest reguła pod warunkiem, że jest niesprzeczna z istniejącą wiedzą w systemie. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 26 / 43 Znamienite przykłady MYCIN Przykład dialogu Dane o pacjencie 1. Patient’s name: (first - last) ** FRED BRAUN 2. Sex: ** M 3. Age: ** 55 Pytanie o obecność bakterii 4. Are there any cultures for Fred Braun which may be related to the present illness, and from which organisms have been grown successfully in the microbiology laboratory? ** Y - - - CULTURE - 1 - - Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 27 / 43 Znamienite przykłady MYCIN Przykład dialogu - cd system pyta o miejsce i czas pobrania próbki i poprawia pisownię 5. From what site was the specimen for CULTURE - 1 taken? ** BLOD = BLOOD 6. Please give the date and time when CULTURE-1 was obtained. (mo/da/yr time) ** JUN 20, 1977 The first organism isolated from the blood culture of 20-JUN-77 (CULTURE-1) will be referred to as: - - - ORGANISM - 1 - - Pytania o ORGANISM-1 7. Enter the laboratory - reported identity of ORGANISM-1: ** UNKNOWN 8. The strain (gram or Ziehl-Neelsen acid-fast) of ORGANISM-1: ** NEG 9. Is ORGANISM - 1 rod or coccus (etc.): ** ROD Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 28 / 43 Znamienite przykłady MYCIN Przykład dialogu - cd odpowiadając na to pytanie można podać stopień pewności CF 23. What is the suspected portal of entry of the gramneg rod from the blood culture of 20-JUN-77 (ORGANISM-1) into this sterile site? ** GI (6) 24. Is Fred Braun a burn patient? ** N 25. Is Fred Braun a compromised host (e.g. alcoholic, sickle-cell-disease, immunosuppressed)? ** N 26. Is Fred Braun febrile? ** Y Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 29 / 43 Znamienite przykłady MYCIN ... po około 50- 60 pytaniach MYCIN wyświetla odpowiedź. My therapy recommendations will be designed to treat for organisms that are either very likely, or, although less likely, would have a significant effect on therapy selection if they were present. It is important to cover for the following probable infection(s) and associated organism(s): INFECTION-1 is BACTEREMIA <ITEM-1> E.COLI [ORGANISM-1] <ITEM-2> KLEBSIELLA [ORGANISM-1] <ITEM-3> ENTEROBACTER [ORGANISM-1] <ITEM-4> KLEBSIELLA-PNEUMONIAE [ORGANISM-1]... Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 30 / 43 Znamienite przykłady MYCIN Użytkownik też może zadawać pytania ** WHAT DOES GU MANIPULATION TELL YOU ABOUT THE IDENTITY OF AN ORGANISM? The rules listed below use: whether the patient has had a genito-urinary manipulative procedure to conclude about: the identity of the organism 156, 163, 190 Which do you wish to see? ** 156 RULE 156 IF: 1. The site of the culture blood, and 2. The gram stain of the organism is gramneg, and 3. The morphology of the organism is rod, and 4. The portal of entry of the organism is urine, and 5. The patient has not had a genito-urinary manipulative procedure, and 6. Cystitis is not a problem for which the patient has been treated THEN: There is suggestive evidence (.6) that the identity of the organism is e.coli Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 31 / 43 Znamienite przykłady MYCIN Użytkownik też może zadawać pytania ** IS BLOOD A STERILE SITE? Yes. Blood is one of those sites that is normally sterile. ** WHAT ARE THE NONSTERILE SITES? Those sites that are normally nonsterile are: CERVIX, CUTANEOUS-ULCER, LOCHIA, NOSE, SKIN, STOOL, THROAT, URETHRA, VAGINA. ** IS BACTEROIDES AEROBIC? No, the aerobicity of bacteroides is anaerobic. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 32 / 43 Znamienite przykłady MYCIN Użytkownik też może żądać wyjaśnień 34. Was penicillinase added to this blood culture (CULTURE-1)? ** WHY [i.e. WHY is it important to determine whether penicillinase was added to CULTURE-1?] [3.0] This will aid in determining whether ORGANISM-1 is a contaminant. It has already been established that [3.1] the site of CULTURE-1 is blood, and [3.2] the gram stain of ORGANISM-1 is grampos Therefore, if [3.3] penicillinase was added to this blood culture then there is weakly suggestive evidence (.4) that ORGANISM-1 is a contaminant [RULE039] Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 33 / 43 Znamienite przykłady MYCIN Użytkownik też może żądać wyjaśnień ** WHY [i.e. WHY is it important to determine whether ORGANISM-1 is a contaminant?] [4.0]... In order to determine whether there is significant disease associated with this occurrence of ORGANISM-1. It has already been established that [4.1] this blood culture was taken from a sterile source Therefore, IF [4.2] ORGANISM-1 is not a contaminant THEN there is strongly suggestive evidence (.9) that there is significant disease associated with this occurrence of ORGANISM-1 [RULE032] Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 34 / 43 Znamienite przykłady MYCIN Ocena sysytemu MYCIN Niezależny test. 5 ekspertów z dziedziny oraz MYCIN zajmowało się jednym przypadkiem. Ich decyzje zostały wysłane do 8 ekspertów (sędziów) dających maksymalnie 10 pkt za diagnozę, przy czym nie wiedzieli czy oceniają człowieka czy system komputerowy. W wyniku tej próby uzyskano: MYCIN 52 punkty, specjaliści od 34 - 50 punktów, student medycyny uzyskał 24 punkty. Pomimo dużej skuteczności i zalet MYCIN nigdy nie został użyty w praktyce. Problem etyczny: co zrobić w wyniku błędnej diagnozy, gdy umrze pacjent? Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 35 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne Hierarchia klasycznych SE Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 36 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne DENDRAL — historia System z 1965r jest najstarszym SE i prekursor wszystkich SE. Uniwersytet w Stanford na zlecenie NASA rozpoczął prace nad programem komputerowym, który miał wykonywać analizy składu chemicznego próbek gruntu na Marsie, pobrane przez lądownik. Lądownik miał być wyposażony w specjalistyczne urządzenia dostarczające faktów systemowi ekspertowemu niezbędnemu do przeprowadzenia ekspertyzy. Głównym urządzeniem dostarczającym danych był spektrometr masowy. Zadanie jego polegało na bombardowaniu zebranej próbki związku chemicznego strumieniem elektronów, w efekcie fragmentując związek na jego składowe części w postaci widma, uszeregowanego pod względem mas tych cząstek. Chemicy potrafią na podstawie części danych wykluczyć związki niemożliwe. W procesie eliminacji fachowcy posługiwali się głównie szeregiem reguł heurystycznych, pozwalających na wstępną selekcję. Te reguły posłużyły do stworzenia bazy wiedzy w DENDRAL. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 37 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne DENDRAL — cechy System z danych chemicznych wnioskuje hipotezy o molekułach, np. wnioskuje strukturę złożoną z danych fizycznych takich jak: waga, dane o widmie spektroskopowym, rezonansu magnetycznego, itp. Molekuły reprezentowane są jako graf nieskierowany: Wykorzystuje strategie generuj i testuj jak i technikę wnioskowania w przód. Generator jest w stanie przekształcić zadaną strukturę (wykorzystując ograniczenia) w dowolną możliwą strukturę ze struktur cząstkowych i łączyć je. Eliminując molekuły niemożliwe unika eksplozji kombinatorycznej. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 38 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne MACSYMA (Project MAC’s SYmbolic MAnipulator) System zawierający setki reguł od specjalistów z matematyki stosowanej dotyczących symbolicznego rachunku różniczkowego i całkowego. System potrafił dokonywać uproszczeń i obliczeń na bardzo zaawansowanym poziomie. Napisany w Maclisp (LISP). Największy program komputerowy napisany w tym języku. Koncepcje obliczeń symbolicznych wykorzystano między innymi w Mathematice. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 39 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne Inne SE PROSPECTOR — Został stworzony w celu wyznaczania lokalizacji złóż rudy oraz jej typu na podstawie informacji geologicznych. Podstawowym sposobem reprezentacji wiedzy były reguły, a niepewność wyrażana probabilistycznie. Jego baza wiedzy liczyła około 1000 reguł. Prawdopodobnie największym osiągnięciem systemu PROSPECTOR było odkrycie dużych złóż molibdenu pobliżu góry Mount Tolman. XCON (eXpert CONfigurer) wcześńiej R1 — system do konfigurowania systemu VAX (DEC) na podstawie wymagań klienta. Reguły (ostatecznie 17500) opisywały wiedzę o wszystkich możliwych połączeniach komponentów i ich parametrach (31 tysięcy komponentów). Napisany w OPS5. Skrócenie czasu konfiguracji z 20 do 1 minuty. Firma rzekomo zaoszczędziła sporo pieniędzy nie angażując ekspertów do konfigurowania ręcznego. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 40 / 43 Znamienite przykłady DENDRAL, MACSYMA i inne Współczesne SE Medyczny system diagnostyczny: http://symptoms.webmd.com Diagnoza skóry: http://www.vichy.pl/artykul/ diagnostyka-idealnej-skory/a21552.aspx Systemy pomocy (Microsoft) prowadzące dialog i badające warianty. Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 41 / 43 Literatura Plan wykładu 1 Systemy ekspertowe - wprowadzenie 2 Znamienite przykłady 3 Literatura Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 42 / 43 Literatura Wykorzystana literatura (do samodzielnego studiowania) Kiszkiel Krzysztof Przykładowe systemy ekspertowe: Opis systemu ekspertowego MYCIN. http: // aragorn. pb. bialystok. pl/ ~radev/ ai/ sosn/ kiskiel. htm S.J. Russel, P. Norvig Artificial Intelligence. A modern approach. Pearson Education wyd. 2, p.111-116 eXpertise2Go eXpertise2Go - Web-enabled Expert Systems http: // expertise2go. com Joanna Kołodziejczyk Systemy ekspertowe marzec 2016 43 / 43